城市物流配送綠色安全發(fā)展策略研究

［收稿日期］ 2023-07-30

［基金項(xiàng)目］ 國(guó)家自然科學(xué)基金青年項(xiàng)目“C2M環(huán)境下共享云倉網(wǎng)絡(luò)構(gòu)建與服務(wù)車輛路徑優(yōu)化聯(lián)合決策研究”（項(xiàng)目編號(hào)：72201251）。

［作者簡(jiǎn)介］ 崔萌萌（1982—），女，北京人，鄭州大學(xué)管理學(xué)院博士研究生；通訊作者：朱永明（1963—），男，河南鄭州人，鄭州大學(xué)管理學(xué)院教授、博士生導(dǎo)師。

［摘 要］ "推動(dòng)城市配送物流綠色和安全發(fā)展，是落實(shí)習(xí)近平生態(tài)文明思想和助力實(shí)現(xiàn)“碳達(dá)峰、碳中和”目標(biāo)的重要舉措。本文以北京、廣州、重慶三地同城配送物流訂單數(shù)據(jù)為基礎(chǔ)，引入微觀車輛運(yùn)行特性和風(fēng)險(xiǎn)駕駛行為特征，從能耗成本、碳排放量和運(yùn)行安全性三個(gè)維度分析不同車輛類型和風(fēng)險(xiǎn)駕駛行為的差異。結(jié)果表明：傳統(tǒng)油車的能耗成本約是新能源電車的3.57倍，新能源電車在降低同城配送車輛的能耗運(yùn)行成本上具有明顯優(yōu)勢(shì)。風(fēng)險(xiǎn)駕駛行為增加了車輛能耗水平，通過改善風(fēng)險(xiǎn)駕駛行為，傳統(tǒng)油車具有降低約4.64%的能耗成本和碳排放的潛能。風(fēng)險(xiǎn)駕駛行為會(huì)顯著提高車輛運(yùn)行風(fēng)險(xiǎn)，其中急加速、急減速和超速具有最高的風(fēng)險(xiǎn)水平。新能源電車在訂單配送中的運(yùn)行風(fēng)險(xiǎn)水平更高。最后，從“車—路—人—企—管”五個(gè)維度分別提出改善城市同城配送物流質(zhì)量的對(duì)策，可為城市物流配送綠色和安全發(fā)展提供支持。

［關(guān)鍵詞］ 城市配送物流；風(fēng)險(xiǎn)駕駛行為；能耗成本；碳排放量；安全性

［中圖分類號(hào)］ U492.8;F259.2 ［文獻(xiàn)標(biāo)志碼］ A［文章編號(hào)］ 1672-4917（2024）06-0112-13

一、引言

隨著全球氣候變化和環(huán)境問題日益嚴(yán)峻，2020年國(guó)家主席習(xí)近平在第七十五屆聯(lián)合國(guó)大會(huì)一般性辯論上首次提出“碳達(dá)峰 碳中和”目標(biāo)^［1］。此后，《國(guó)務(wù)院關(guān)于加快建立健全綠色低碳循環(huán)發(fā)展經(jīng)濟(jì)體系的指導(dǎo)意見》于2021年發(fā)布，打造綠色物流、健全綠色低碳循環(huán)發(fā)展的流通體系被納入其中^［2］。因此，推動(dòng)物流行業(yè)的低碳、綠色、安全發(fā)展成為一項(xiàng)緊迫的任務(wù)，是支持國(guó)家綠色發(fā)展戰(zhàn)略、推動(dòng)完成“雙碳”目標(biāo)的重要舉措^［3］。其中，同城配送物流在現(xiàn)代城市物流中具有極其重要的地位和作用，是打通和加快物流配送最后一公里的重要方式。

同城配送是指在城市內(nèi)部的短距離物流配送，它具有配送距離相對(duì)較短、運(yùn)量較小、配送時(shí)效性更高等特性，適用于急需快速配送的行業(yè)。此外，同城配送通常使用小型運(yùn)輸工具，減少了長(zhǎng)途運(yùn)輸?shù)闹修D(zhuǎn)，能夠顯著降低運(yùn)輸成本和緩解交通運(yùn)輸壓力。最后，同城配送可由出發(fā)地直達(dá)目的地，減少運(yùn)輸距離損失，運(yùn)輸工具通常具有更低的碳排放或無碳排放，有利于環(huán)境保護(hù)和減少碳排放^［4］。綜上，同城配送在城市物流中具有不可代替的重要性，在降本增效、減碳促增等方面具有巨大潛力。然而，同城配送是一種較為新穎的物流方式，當(dāng)前針對(duì)其的研究管理及優(yōu)化策略相對(duì)滯后。因此，需進(jìn)一步加強(qiáng)對(duì)同城配送的優(yōu)化設(shè)計(jì)和管理發(fā)展。

物流運(yùn)輸是同城配送的生命線，降低運(yùn)輸工具的碳排放是物流行業(yè)綠色發(fā)展的核心目標(biāo)。2022年科技部等九部門聯(lián)合印發(fā)了《科技支撐碳達(dá)峰碳中和實(shí)施方案（2022—2030年）》，強(qiáng)調(diào)開展能源綠色低碳轉(zhuǎn)型科技支撐行動(dòng)^［5］。為響應(yīng)這一號(hào)召，物流行業(yè)中新能源車輛的數(shù)量逐步增加，傳統(tǒng)燃油車輛和新能源車輛已成為兩大主流運(yùn)輸工具。目前，油車配送和電車配送各有其優(yōu)勢(shì)及弊端。首先，油車技術(shù)及其基礎(chǔ)設(shè)施更為成熟、車輛滲透率更高、續(xù)航里程較長(zhǎng)、加油更加便利，可以節(jié)省配送時(shí)間，幾乎不存在里程焦慮。但是，油車使用化石燃料，排放二氧化碳和其他有害氣體，對(duì)環(huán)境造成污染，且其用車成本受能源供應(yīng)影響，一般而言具有更高的運(yùn)輸成本。其次，電車的優(yōu)勢(shì)之一是不產(chǎn)生尾氣排放，電車通常具有制動(dòng)能量回收系統(tǒng)，可將剎車制動(dòng)時(shí)的動(dòng)能回收轉(zhuǎn)化為電能，環(huán)保且節(jié)約能源消耗。但是，電車的續(xù)航里程相對(duì)較短，存在里程焦慮問題，且目前充電設(shè)施的建設(shè)和覆蓋程度相對(duì)不足，限制了電車的使用范圍和運(yùn)營(yíng)效率。由上可知，新能源車輛在物流行業(yè)的節(jié)能降碳方面具有突出優(yōu)勢(shì)，但其充換電不方便及運(yùn)營(yíng)里程的限制使其在同城配送中的適用范圍受限。此外，物流行業(yè)的車輛類型更新迭代仍需一定的周期。因此，根據(jù)具體的物流需求和環(huán)境要求，高效合理的設(shè)計(jì)車輛配送策略是同城配送行業(yè)綠色發(fā)展的重中之重。

以往研究更多聚焦城市配送物流的路徑優(yōu)化，通過優(yōu)化物流路徑合理調(diào)配運(yùn)力資源，降低運(yùn)營(yíng)成本和能耗排放，以實(shí)現(xiàn)綠色物流的發(fā)展目標(biāo)。劉長(zhǎng)石等以電動(dòng)車的充電成本、燃油車的油耗與碳排放等成本之和最小為目標(biāo)，構(gòu)建混合車輛路徑規(guī)劃模型，設(shè)計(jì)一種改進(jìn)蟻群算法求解，結(jié)果顯示，提出的方法能給出符合決策者目標(biāo)的混合車輛路徑規(guī)劃方案，有效降低總配送成本^［6］。李偉等針對(duì)目前城市末端物流配送過程中存在的問題，建立帶有軟時(shí)間窗的城市末端物流配送路徑優(yōu)化模型，運(yùn)用節(jié)約里程算法進(jìn)行求解，研究發(fā)現(xiàn)以擁堵成本最低為前提選擇路徑的模式可使配送過程中的成本降到最低^［7］。吳志勇等提出了基于鯨魚優(yōu)化算法的多目標(biāo)多式聯(lián)運(yùn)路徑選擇方法，他們發(fā)現(xiàn)這個(gè)方法具有較好的全局尋優(yōu)能力和較快的收斂特性，能夠滿足運(yùn)輸用戶多式聯(lián)運(yùn)路徑選擇需求^［8］。此外，物流配送中駕駛員狀態(tài)也被作為考慮因素，張樹柱等考慮駕駛員疲勞而設(shè)計(jì)車輛路徑優(yōu)化及算法，這有助于提升駕駛員工作量的均衡性，降低駕駛員的疲勞程度^［9］。綜上，考慮多因素的配送路徑優(yōu)化是當(dāng)前降低運(yùn)行成本、減少能耗排放的主要措施，這種方法具有較好的實(shí)施效果。然而，之前研究忽略了物流配送中車輛運(yùn)行特性對(duì)降低運(yùn)行成本和減少能耗排放的影響。因此，我們嘗試從車輛微觀運(yùn)行特性層面分析其對(duì)降低運(yùn)行成本和能耗排放的貢獻(xiàn)。

除綠色發(fā)展目標(biāo)之外，城市配送物流中安全是極其重要的。以習(xí)近平同志為核心的黨中央高度重視安全生產(chǎn)，強(qiáng)調(diào)樹牢安全發(fā)展理念，把安全生產(chǎn)擺到首要位置^［10］。在物流行業(yè)中，安全是同城物流配送的核心。目前同城配送以小型汽車為主要運(yùn)輸工具，作為交通系統(tǒng)的參與者，仍具有一定的道路交通安全風(fēng)險(xiǎn)，防范、化解和降低物流配送中車輛運(yùn)行風(fēng)險(xiǎn)至關(guān)重要。傳統(tǒng)油車和新能源車輛的動(dòng)力學(xué)特性具有差異，相比于傳統(tǒng)油車，新能源車輛通常具有更大的自重，制動(dòng)距離較長(zhǎng)，且加減速性能更靈敏和迅速。

許多學(xué)者研究證明微觀車輛運(yùn)行特性會(huì)影響其能耗排放和安全性^［11-14］。然而，之前研究主要聚焦于物流運(yùn)輸?shù)穆窂揭?guī)劃、降本增效，從微觀駕駛行為層面開展物流配送過程的研究相對(duì)較少，這對(duì)全面提升物流配送高效性和安全性的支持不足。因此，我們從同城物流配送的微觀層面——車輛運(yùn)行特性展開研究，致力于同城物流配送安全性評(píng)估，為提升物流配送的安全性提供支持。

新能源車輛近幾年大量涌入物流配送市場(chǎng)，與傳統(tǒng)油車一起承擔(dān)物流配送任務(wù)。對(duì)新能源車輛在同城物流配送中的成本優(yōu)勢(shì)、節(jié)能減排優(yōu)勢(shì)缺乏有效的評(píng)估，從微觀層面研究物流配送過程中的安全特性不夠深入，限制了車輛物流配送策略的優(yōu)化和同城配送效能的提升，使城市智慧物流的綠色和安全發(fā)展改善缺乏抓手。因此，針對(duì)以上問題，本文的研究目標(biāo)是評(píng)估同城配送中傳統(tǒng)油車和新能源車輛的運(yùn)行成本、碳排放以及運(yùn)行風(fēng)險(xiǎn)。首先，我們獲取了傳統(tǒng)油車和新能源電車的同城配送訂單數(shù)據(jù)和車輛運(yùn)行數(shù)據(jù)，基于該數(shù)據(jù)我們計(jì)算了車輛的運(yùn)行成本和碳排放。其次，我們提取了配送過程中駕駛員的6種風(fēng)險(xiǎn)駕駛行為，采用速度安全熵表征車輛運(yùn)行安全性，評(píng)估不同類型車輛和不同風(fēng)險(xiǎn)駕駛行為的安全性。本文的特色在于將微觀車輛運(yùn)行特性和風(fēng)險(xiǎn)駕駛行為引入物流配送中，基于能耗運(yùn)行成本、碳排放量和安全性三個(gè)維度評(píng)估車輛類型、風(fēng)險(xiǎn)駕駛行為在配送中的表現(xiàn)，為城市智慧物流綠色和安全發(fā)展管理提供支持。

二、研究設(shè)計(jì)

本研究獲取了北京、廣州、重慶三地的同城配送訂單數(shù)據(jù)，并分析不同城市的同城物流配送表現(xiàn)差異。為評(píng)估同城配送物流中車輛類型（包括傳統(tǒng)油車和新能源電車）以及風(fēng)險(xiǎn)駕駛行為在成本、碳排放和安全性三個(gè)方面的表現(xiàn)。本研究設(shè)計(jì)共包括四部分，首先介紹研究數(shù)據(jù)基本信息；其次，介紹本研究的自變量和因變量；再次，介紹因變量的數(shù)據(jù)處理和指標(biāo)計(jì)算方法；最后，介紹數(shù)據(jù)分析方法。研究設(shè)計(jì)可為探究同城配送物流的綠色安全發(fā)展和管理提供支持。

（一）數(shù)據(jù)描述

本研究納入241輛傳統(tǒng)油車和167輛新能源電車的配送訂單數(shù)據(jù)、車輛運(yùn)行數(shù)據(jù)和駕駛員監(jiān)控視頻數(shù)據(jù)，配送訂單數(shù)據(jù)包括訂單出發(fā)地和目的地、配送時(shí)間、貨物類型、訂單金額和服務(wù)滿意度等；車輛運(yùn)行數(shù)據(jù)包括GPS數(shù)據(jù)、行駛距離、速度和加速度等數(shù)據(jù)，電車還包括電壓和電流數(shù)據(jù)，數(shù)據(jù)均為逐秒級(jí)精度；駕駛員監(jiān)控?cái)?shù)據(jù)為車載攝像頭拍攝數(shù)據(jù)，可通過視頻識(shí)別出手持打電話、玩手機(jī)、疲勞駕駛等危險(xiǎn)行為，結(jié)合道路條件可識(shí)別超速行為。

數(shù)據(jù)時(shí)間范圍為2023年3月某一周內(nèi)（7天）的全量數(shù)據(jù)，共包括8360條配送訂單。傳統(tǒng)油車和新能源電車均為小型車輛。車輛駕駛員均具有一年及以上駕齡，年齡范圍在20～55歲。

（二）變量說明

本文從運(yùn)行成本、碳排放和安全性三個(gè)維度評(píng)估傳統(tǒng)油車和新能源電車在同城配送物流中的表現(xiàn)。研究設(shè)計(jì)自變量包括：

（1）車輛類型

現(xiàn)有同城配送物流中運(yùn)輸工具包括傳統(tǒng)油車和新能源電車兩類，我們旨在評(píng)估不同車型（傳統(tǒng)油車和新能源電車）在運(yùn)行成本、碳排放和安全性三個(gè)維度的配送表現(xiàn)。為規(guī)避同一能源類型內(nèi)部車型差異的影響，我們選取研究數(shù)據(jù)均來自相同款的傳統(tǒng)油車和新能源電車。油車為豐田品牌某款轎車，新能源電車為比亞迪品牌某款轎車，它們均為市場(chǎng)保有量較大的車型，具有代表性。

（2）風(fēng)險(xiǎn)駕駛行為

據(jù)統(tǒng)計(jì)數(shù)據(jù)顯示，駕駛員引發(fā)的交通事故數(shù)占事故總數(shù)的90%以上^［15］。在同城配送物流中，駕駛員風(fēng)險(xiǎn)駕駛行為是制約其安全和能耗的重要因素。

郭淼等引入風(fēng)險(xiǎn)駕駛行為和交通流等大數(shù)據(jù)，提取急加速、急減速、急轉(zhuǎn)彎、急并道以及交通流量、平均速度、擁堵指數(shù)等變量，結(jié)合事故數(shù)據(jù)構(gòu)建交通風(fēng)險(xiǎn)識(shí)別模型^［16］。

陳文瑛等聚焦于疲勞駕駛對(duì)道路運(yùn)輸事故風(fēng)險(xiǎn)的影響^［17］。Toledo等通過駕駛行為數(shù)據(jù)識(shí)別20種風(fēng)險(xiǎn)駕駛行為^［18］?；谥把芯?，結(jié)合選取的運(yùn)行數(shù)據(jù)，我們選取6種具有代表性的風(fēng)險(xiǎn)駕駛行為開展研究，分別介紹如下：

超速行為是指當(dāng)前車輛速度超過道路限速，通過比較車輛運(yùn)行速度和道路限速可獲得超速數(shù)據(jù)。

手持打電話是指在車輛行駛過程中，駕駛員手持手機(jī)接打電話，通過回顧車載監(jiān)控視頻和行為判別算法可判定手持打電話行為。

玩手機(jī)是指在車輛行駛過程中，駕駛員低頭玩手機(jī)，駕駛員視線脫離前方道路，通過回顧車載監(jiān)控視頻和行為判別算法可判定玩手機(jī)行為。

疲勞駕駛是指駕駛員在連續(xù)行車一段時(shí)間之后，在客觀上出現(xiàn)駕駛機(jī)能（認(rèn)識(shí)能力、辨識(shí)能力和操作控制能力）下降的現(xiàn)象。駕駛員出現(xiàn)頻繁眨眼、打哈欠等現(xiàn)象，通過回顧車載監(jiān)控視頻和行為判別算法可判定疲勞駕駛行為。

急加速和急減速是指車輛運(yùn)行過程中，在短時(shí)間內(nèi)車速突然提升或降低的現(xiàn)象。急加速和急減速會(huì)使駕駛?cè)说姆磻?yīng)時(shí)間被迫縮短，容易導(dǎo)致操縱失誤，行車平穩(wěn)性也會(huì)降低，進(jìn)而引發(fā)交通事故。還可能導(dǎo)致駕駛?cè)藢?duì)應(yīng)急情況的判斷出現(xiàn)偏差，使周圍車輛無法及時(shí)響應(yīng)，容易造成車輛刮擦、追尾等現(xiàn)象。急加速和急減速行為通過車輛運(yùn)行數(shù)據(jù)和加速度進(jìn)行判別，其判別規(guī)則因具有隱私性而未公開獲得。

在這個(gè)研究中，我們僅考慮以上6種典型風(fēng)險(xiǎn)駕駛行為。除以上6種風(fēng)險(xiǎn)駕駛行為外，皆默認(rèn)為安全駕駛行為。我們將比較安全駕駛行為與6種風(fēng)險(xiǎn)駕駛行為在運(yùn)行成本、碳排放和安全性上的差異性。

從運(yùn)行成本、碳排放和安全性三個(gè)維度分別提取因變量，包括：

運(yùn)行成本。本文主要考慮訂單配送過程中車輛運(yùn)行產(chǎn)生的油耗和電耗成本，在非訂單時(shí)段的運(yùn)行未被納入?；谲囕v運(yùn)行數(shù)據(jù)計(jì)算傳統(tǒng)油車和新能源電車的燃油成本和電耗成本。

碳排放。采用百公里碳排放量作為因變量。結(jié)合燃油車輛百公里油耗和碳平衡原則，計(jì)算傳統(tǒng)油車的碳排放量。新能源電車無碳排放。

安全性?；谲囕v的運(yùn)行速度數(shù)據(jù)，我們計(jì)算車輛的速度安全熵并取其均值，用于表征訂單配送過程中的運(yùn)行安全性。

（三）數(shù)據(jù)處理和指標(biāo)計(jì)算

基于8630條同城配送訂單的開始時(shí)間和結(jié)束時(shí)間數(shù)據(jù)，匹配并截取車輛運(yùn)行數(shù)據(jù)和駕駛員監(jiān)控視頻數(shù)據(jù)，傳統(tǒng)油車訂單數(shù)為5172條，新能源電車訂單數(shù)為3458條。本文選取運(yùn)行成本、碳排放和安全性作為因變量，我們將分別介紹三個(gè)因變量的計(jì)算方法。

（1）運(yùn)行成本和碳排放

傳統(tǒng)油車的運(yùn)行成本主要考慮百公里油耗，計(jì)算方法為機(jī)動(dòng)車比功率（Vehicle Specific Power，VSP）微觀排放模型，VSP可以緊密聯(lián)系車輛瞬時(shí)行駛狀態(tài)與排放，能夠計(jì)算對(duì)應(yīng)百公里能耗^［19］。

VSP表征單位質(zhì)量車輛瞬時(shí)功率，包括發(fā)動(dòng)機(jī)克服車輪旋轉(zhuǎn)阻力F_r和空氣動(dòng)力學(xué)阻力F_a做功、增加車輛動(dòng)能E_k和勢(shì)能P_E所需功率、因內(nèi)摩擦阻力F_i造成傳動(dòng)系機(jī)械損失的功率^［20］。VSP數(shù)值與機(jī)動(dòng)車自身（質(zhì)量、擋風(fēng)面積等）、運(yùn)行環(huán)境（海拔、坡度等）和運(yùn)行狀態(tài)（速度、加速度）相關(guān)，計(jì)算方法見公式（1）。式（1）中，v為逐秒速度（m/s）；a為逐秒加速度（m/s2）；ε_i為車輛質(zhì)量因子，無量綱；θ為道路縱坡坡度，無量綱；g為重力加速度，取9.81m/s2；C_R為路面阻力系數(shù)，無量綱；p_a為空氣密度（kg/m3）；C_D為風(fēng)阻系數(shù)，無量綱；A為車輛擋風(fēng)面積（m2）；m為車輛質(zhì)量（kg）；v_m為風(fēng)速（m/s）；C_i為車輛內(nèi)摩擦阻力系數(shù)，無量綱。

在本文中傳統(tǒng)油車均為固定車型，因此車輛因素按照常量處理。同時(shí)，為簡(jiǎn)化計(jì)算方法，暫不考慮海拔以及縱坡等影響因素。根據(jù)以上假設(shè)，含有速度和加速度的VSP計(jì)算公式能被獲得，見公式（2）。

由于計(jì)算的逐秒VSP值較為離散，本文采用不同VSP區(qū)間下車輛的基準(zhǔn)排放率（見表1）^［21］，計(jì)算逐秒車輛的碳排放水平。碳平衡換算公式（式3）可用于計(jì)算百公里油耗和碳排放量^［22］，式（3）中，M_HC為HC的排放量，M_CO為CO的排放量，M_CO2為CO₂的排放量，單位均為g/km；FC為車輛百公里油耗，單位為L(zhǎng)/100km。由上，我們獲得了傳統(tǒng)油車每筆配送訂單的百公里油耗和碳排放量。

VSP=［d（E_K+P_E）dt+F_rv+F_av+F_iv］/m=

v［a（a+ε_i）+gsinθ+gC_R］+0.5p_aC_DAm（v+v_m）2v+C_igv（1）

VSP=0.105802v+0.00135375v2+0.00033311v3+va（2）

FC=（0.866M_HC+0.4286M_CO+0.2727M_CO2）×0.156（3）

新能源電車主要考慮其百公里電耗，由于其車輛電控系統(tǒng)能源消耗相比于電機(jī)能源消耗較小，因此，我們以車輛電動(dòng)機(jī)輸入端的功耗用于代表新能源電車的電耗，見公式（4）。

E_S=∫Ue×Iedt∫Vedt=U×I×T36×d（4）

式中，E_S為百公里電耗，單位kw·h/100 km；U為在配送行程內(nèi)的電動(dòng)機(jī)輸入電壓，單位V；I為在配送行程內(nèi)的電動(dòng)機(jī)輸入電流，單位A；d為配送行程的行駛距離，單位m；T，為配送行程的行駛時(shí)間，單位s。

新能源電車為清潔能源車輛，無碳排放。

（2）安全性

本文選用速度安全熵表征訂單配送過程中的運(yùn)行安全性^［23］。速度安全熵源自樣本熵，樣本熵表示時(shí)間序列變化下的熵規(guī)則。由于樣本熵可以簡(jiǎn)化復(fù)雜信號(hào)的量化，是在短時(shí)間內(nèi)檢測(cè)駕駛行為規(guī)則變化的有效工具^［24］。樣本熵在評(píng)價(jià)駕駛行為數(shù)據(jù)方面具有獨(dú)特的優(yōu)勢(shì)，一是運(yùn)行數(shù)據(jù)為逐秒數(shù)據(jù)，樣本熵可以反映運(yùn)行速度時(shí)間序列的不確定性；二是熵能更全面地描述指標(biāo)變量，如多個(gè)速度峰值特性。

樣本熵的計(jì)算已較為完善，基于運(yùn)行速度數(shù)據(jù)和樣本熵計(jì)算公式，我們能獲得每筆配送訂單的速度安全熵。當(dāng)車輛運(yùn)行平穩(wěn)時(shí)，速度分布較為均勻，其速度樣本熵較小，安全性更高^［25］。

樣本熵可以用公式S （m， r， N）表示，其中N為數(shù)據(jù)長(zhǎng)度，m為嵌入維數(shù)，r為相似度的容差誤差，m和r為計(jì)算樣本熵的控制變量。通常，m取1或2。當(dāng)m gt; 2時(shí)，樣品的需求量大大增加。在本研究中，選擇m為2，N取值范圍為100～5000，本研究取值為1000。

本研究中r = 0.25e. d_x（i），x（j）定義為x（i）與x（j）之差的最大長(zhǎng)度，B_im（r）為r的最短長(zhǎng)度與N-m+1的比值。

樣本熵的計(jì)算過程如下所示：

①設(shè)原始數(shù)據(jù)為x（1）和x（2），共N個(gè)數(shù)。

②構(gòu)成向量m，每?jī)蓚€(gè)向量相減，見式（5）：

X（i）=［x（i），x（i+1），…，x（i+m-1）］（5）

式中 i=j=，2，…，N-m+1，…

③定義向量x（i）和x（j）之間的原始數(shù)據(jù)方差d_x（i），x（j），如式（6）：

d_x（i），x（j）=max|x（i+k）-x（j+k）|（6）

式中 r為修正系數(shù)。

k=0，1，2，…，m+1

④參數(shù)m可由式（7）和（8）計(jì)算得出：

B_im（r）=Num［d_x（i），x（j）lt;r］N-m+1（7）

B_m（r）=1N-m+1ΣN-m+1i=1B_im（r）（8）

式中r=0.1～0.25E，E為原始數(shù)據(jù)方差取值一般為0.1e或0.25e。

在參數(shù)維度增加1，重復(fù)上述步驟得到B_m+1（r）。

⑤當(dāng)nlt;∞時(shí)，計(jì)算公式如式（9）所示：

S（m，r，N）=-ln（B_m+1（r）B_m（r）（9）

（四）分析方法

本文采用IBM SPSS Statistics 26軟件進(jìn)行數(shù)據(jù)分析，比較評(píng)估了不同車輛和不同風(fēng)險(xiǎn)駕駛行為對(duì)應(yīng)的運(yùn)行成本、碳排放和安全性。首先對(duì)數(shù)據(jù)進(jìn)行正態(tài)性和方差齊性檢查，我們發(fā)現(xiàn)數(shù)據(jù)均不滿足正態(tài)性和方差齊性要求，因此采用非參數(shù)檢驗(yàn)。針對(duì)兩獨(dú)立樣本，采用Mann-Whitney U等級(jí)檢驗(yàn)數(shù)據(jù)的統(tǒng)計(jì)學(xué)差異；針對(duì)兩相關(guān)樣本，采用Wilcoxon signed-rank檢驗(yàn)；針對(duì)多關(guān)聯(lián)樣本，采用FriedMan方法檢驗(yàn)數(shù)據(jù)的統(tǒng)計(jì)學(xué)差異；統(tǒng)計(jì)顯著性設(shè)為0.1、0.05、0.01三個(gè)水平。

本研究旨在從微觀角度切入探究城市物流配送表現(xiàn)，以車輛類型和風(fēng)險(xiǎn)駕駛行為作為自變量，進(jìn)一步量化解析各個(gè)自變量對(duì)因變量（運(yùn)行成本、安全性，由于新能源電車無碳排放，因此未將碳排放作為模型因變量）的影響機(jī)理，并比較兩個(gè)自變量之間的貢獻(xiàn)差異。我們檢驗(yàn)發(fā)現(xiàn)因變量數(shù)據(jù)均不滿足正態(tài)分布。因此，我們引入廣義線性模型（Generalized Linear Model，GLM）探究自變量和因變量之間的關(guān)系^［26］。在GLM模型中，因變量的分布可以是一般化的分布，而不僅僅是指數(shù)分布或者正態(tài)分布，這意味著廣義線性模型可以處理更多的數(shù)據(jù)類型和更復(fù)雜的關(guān)系^［27］。

本文分別以運(yùn)行成本和安全性為模型因變量構(gòu)建了兩個(gè)GLM模型，車輛類型和風(fēng)險(xiǎn)駕駛行為作為模型的自變量。另外，模型暫不考慮其他因素（如天氣、道路類型）的影響，以此為假設(shè)，僅探究車輛類型和風(fēng)險(xiǎn)駕駛行為與因變量之間的數(shù)量關(guān)系。

三、結(jié)果分析

基于同城配送訂單的微觀數(shù)據(jù)，我們從運(yùn)行成本、碳排放量和安全性三個(gè)維度評(píng)估傳統(tǒng)油車和新能源電車的配送表現(xiàn)，并結(jié)合微觀駕駛行為數(shù)據(jù)深入分析同城物流配送在這三個(gè)方面的改善潛力。

（一）不同車型與區(qū)域條件下風(fēng)險(xiǎn)駕駛行為發(fā)生占比差異

本文比較不同車型和風(fēng)險(xiǎn)駕駛行為在運(yùn)行成本、碳排放量和安全性方面的表現(xiàn)差異。然而，駕駛員的風(fēng)險(xiǎn)駕駛行為可能與不同車型和區(qū)域有關(guān)。因此，我們首先比較了不同車型和不同區(qū)域的風(fēng)險(xiǎn)駕駛行為發(fā)生比例，顯示在圖1中。

圖1（a）顯示傳統(tǒng)油車和新能源電車中6種風(fēng)險(xiǎn)駕駛行為的發(fā)生比例是相似的，這表明車型差異不會(huì)改變風(fēng)險(xiǎn)駕駛行為的發(fā)生比例。圖1（b）顯示北京、廣州、重慶三地的風(fēng)險(xiǎn)駕駛行為發(fā)生比例差異較小，重慶地區(qū)超速、急加速和急減速的比例較高，這可能與其特殊的山區(qū)地形有關(guān)。從整體來看，不同區(qū)域的風(fēng)險(xiǎn)駕駛行為發(fā)生比例是接近的。

綜上，本文發(fā)現(xiàn)不同區(qū)域之間的風(fēng)險(xiǎn)駕駛行為比例是相似的，不同車型之間的風(fēng)險(xiǎn)駕駛行為具有略微的差異。這個(gè)結(jié)果表明不同區(qū)域之間的風(fēng)險(xiǎn)駕駛行為無明顯差異，不同車型對(duì)風(fēng)險(xiǎn)駕駛行為具有影響。因此，在后續(xù)廣義線性模型中，不同區(qū)域不作為模型的輸入變量，車輛類型和風(fēng)險(xiǎn)駕駛行為作為模型的輸入變量。

（二）運(yùn)行成本、碳排放和安全性差異分析

（1）運(yùn)行成本

我們計(jì)算了同城配送過程中安全駕駛行為和6類風(fēng)險(xiǎn)駕駛行為對(duì)應(yīng)的傳統(tǒng)油車百公里油耗和新能源電車百公里電耗，顯示在圖2和圖3中。

我們首先統(tǒng)計(jì)了安全駕駛行為和6類風(fēng)險(xiǎn)駕駛行為在百公里油耗層面的整體顯著性，p-value小于0.001，達(dá)到極其顯著水平。進(jìn)一步，以安全駕駛為基準(zhǔn)組，6類風(fēng)險(xiǎn)駕駛行為與基準(zhǔn)組的統(tǒng)計(jì)顯著性顯示在圖2中。圖2顯示除急減速風(fēng)險(xiǎn)行為外，超速、手持打電話、玩手機(jī)、疲勞駕駛和急加速5類風(fēng)險(xiǎn)駕駛行為的百公里油耗均高于安全駕駛行為。其中，急加速和超速對(duì)增加百公里油耗貢獻(xiàn)最大。另外，急減速時(shí)發(fā)動(dòng)機(jī)幾乎處于怠速狀態(tài)，因此其百公里油耗較低。傳統(tǒng)油車的百公里油耗均值為7.97L，低于安全駕駛行為的百公里油耗。因此，從微觀駕駛行為層面具有降低傳統(tǒng)油車運(yùn)行成本的潛力。

安全駕駛和6類風(fēng)險(xiǎn)駕駛行為對(duì)百公里電耗的整體統(tǒng)計(jì)顯著性為0.033。具體來看，以安全駕駛組為基準(zhǔn)組，6類風(fēng)險(xiǎn)駕駛行為與基準(zhǔn)組的組間顯著性統(tǒng)計(jì)結(jié)果顯示在圖3中。圖3顯示除急減速外，5類風(fēng)險(xiǎn)駕駛行為的百公里電耗均高于安全駕駛。其中，急加速和超速對(duì)增加百公里電耗的貢獻(xiàn)最大，安全駕駛基準(zhǔn)組與手持打電話、玩手機(jī)和疲勞駕駛之間的差異不大。急減速條件下新能源電車的百公里電耗為負(fù)值（-3.45 kW·h），這是由于車輛的動(dòng)能回收發(fā)揮作用。整體來看，新能源電車的電耗均值為11.27 kW·h/100 km，低于安全駕駛情況下的電耗，這證明了從微觀駕駛行為層面降低新能源電車能耗的可行性。

為深入探究從微觀駕駛行為層面降低同城配送車輛運(yùn)行成本的可行性，我們以安全駕駛行為為基準(zhǔn)組，比較了風(fēng)險(xiǎn)駕駛行為對(duì)車輛運(yùn)行成本的增加比例，結(jié)果顯示在表2中。表2顯示急加速和超速風(fēng)險(xiǎn)行為對(duì)傳統(tǒng)油車和新能源電車的能耗增加的貢獻(xiàn)最大。因此，在駕駛行為改善工程中，急加速和超速風(fēng)險(xiǎn)行為應(yīng)被著重關(guān)注。對(duì)于傳統(tǒng)油車，能耗增加貢獻(xiàn)最小的是疲勞駕駛，而新能源電車為手持打電話，這可能是由于車輛特性導(dǎo)致的差異。有趣的是，相比于傳統(tǒng)油車，新能源電車的風(fēng)險(xiǎn)駕駛行為對(duì)能耗增加的貢獻(xiàn)是相對(duì)較小的。這表明兩個(gè)關(guān)鍵點(diǎn)：一是傳統(tǒng)油車具有更好的節(jié)能潛力，在新能源電車逐漸普及的趨勢(shì)下仍可發(fā)揮效用；二是新能源車輛能夠降低風(fēng)險(xiǎn)駕駛行為對(duì)能耗增加的影響，在控本增效層面具有更好的表現(xiàn)。

為直觀比較傳統(tǒng)油車和新能源電車的百公里運(yùn)行成本，我們定量將其換算為百公里運(yùn)行成本（單位，元/100 km）。本研究數(shù)據(jù)范圍為2023年3月，因此我們選取同期的能源價(jià)格計(jì)算其運(yùn)行成本。根據(jù)中華人民共和國(guó)國(guó)家發(fā)展改革委員會(huì)于2023年3月17日發(fā)布的國(guó)內(nèi)成品油價(jià)格^［28］，取北京、廣州、重慶三地的成品油價(jià)格均值，約為7.14元/L；同城配送使用的傳統(tǒng)油車百公里油耗均值為7.97L，則其百公里運(yùn)行成本約為56.91元。中國(guó)消費(fèi)者協(xié)會(huì)于2023年3月16日發(fā)布《新能源電動(dòng)汽車消費(fèi)與公共充電樁使用情況調(diào)查報(bào)告》顯示，不同場(chǎng)所充電計(jì)費(fèi)差異大，從1.05元/kW·h到2.2元/kW·h不等，相差一倍^［29］。本文取其中值（1.625元/kW·h）估算新能源電車的能耗，新能源電車的百公里電耗約為10.32 kW·h，則其百公里運(yùn)行成本約為16.77元。綜上，傳統(tǒng)油車（56.91元/100 km）的能耗成本約是新能源電車（16.77元/100 km）能耗成本的3.57倍，新能源電車在降低同城配送車輛的能耗運(yùn)行成本上具有明顯優(yōu)勢(shì)。

（2）碳排放測(cè)算

促進(jìn)物流行業(yè)綠色發(fā)展、降低碳排放量，是助力實(shí)現(xiàn)“碳達(dá)峰 碳中和”目標(biāo)的重要舉措。降低傳統(tǒng)油車的能耗排放，除優(yōu)化車輛運(yùn)行環(huán)境、提高發(fā)動(dòng)機(jī)熱效率外，微觀駕駛行為也是降低能耗排放的重要途徑。圖2中顯示安全駕駛條件下車輛的油耗為7.60 L/100 km，而實(shí)際能耗均值為7.97L/100 km，這表明在同城物流配送中，通過改善風(fēng)險(xiǎn)駕駛行為，傳統(tǒng)油車可降低約4.64%的能耗成本和碳排放量。

中華人民共和國(guó)生態(tài)環(huán)境部發(fā)布的《中國(guó)移動(dòng)源環(huán)境管理年報(bào)（2022年）》顯示，全國(guó)機(jī)動(dòng)車四項(xiàng)污染物排放總量為1557.7萬噸^［30］。其中，一氧化碳（CO）、碳?xì)浠衔铮℉C）、氮氧化物（NO_x）、顆粒物（PM）排放量分別為768.3萬噸、200.4萬噸、582.1萬噸、6.9萬噸。結(jié)合同城物流配送中傳統(tǒng)油車最大節(jié)能比例（下降4.64%），通過改善駕駛員的風(fēng)險(xiǎn)駕駛行為，四項(xiàng)污染物排放最多可分別減排CO約35.6萬噸、HC約9.3萬噸、NO_x約27.0萬噸、PM約0.3萬噸，累計(jì)約72.3萬噸。因此，微觀駕駛行為調(diào)整對(duì)降低同城物流配送的碳排放具有顯著作用。

新能源汽車具有零碳排放的優(yōu)勢(shì)，公安部2023年發(fā)布報(bào)告顯示，截至2022年底，全國(guó)新能源汽車保有量達(dá)1310萬輛，占汽車總量的4.10%^［31］。從整體來看，我國(guó)新能源電車占比仍較低，具有較大提升空間。因此，通過加大部署同城配送物流中新能源車輛的比例，也可顯著降低碳排放量。

（3）運(yùn)行安全性

以往研究主要關(guān)注物流配送的成本以及效率，配送過程中的安全性較少被關(guān)注。安全性是生產(chǎn)的根本保障與核心，是同城配送物流中的關(guān)鍵內(nèi)容。因此，基于同城配送過程中的車輛運(yùn)行數(shù)據(jù)，我們探究了不同車型與不同風(fēng)險(xiǎn)駕駛行為的安全水平，其對(duì)應(yīng)的速度安全熵顯示在圖4中。

對(duì)于不同風(fēng)險(xiǎn)駕駛行為的安全性水平，計(jì)算發(fā)現(xiàn)傳統(tǒng)油車和新能源電車的安全駕駛行為和6類風(fēng)險(xiǎn)駕駛行為在速度安全熵上分別具有整體統(tǒng)計(jì)學(xué)差異，顯著性值分別為0.017和0.021。圖4顯示傳統(tǒng)油車和新能源電車的每一項(xiàng)駕駛行為在速度安全熵之間的統(tǒng)計(jì)差異，結(jié)果顯示6類風(fēng)險(xiǎn)駕駛行為的速度安全熵均高于安全駕駛行為。其中，急加速、急減速和超速的速度安全熵最高，且與基準(zhǔn)組安全駕駛具有差異，這表明同城配送中更多的急加速、急減速和超速行為會(huì)導(dǎo)致配送的安全水平下降，發(fā)生事故的概率上升。手持打電話、玩手機(jī)和疲勞駕駛的速度安全熵差異是較小的。綜上，減少同城配送過程中駕駛員的風(fēng)險(xiǎn)駕駛行為，對(duì)于改善訂單配送的安全性具有重要價(jià)值，這可為綜合提升同城配送的質(zhì)量提供支持。

另外，圖4顯示傳統(tǒng)油車和新能源電車的超速行為、疲勞駕駛行為、急加速行為和急減速行為在速度安全熵中具有統(tǒng)計(jì)學(xué)差異。除玩手機(jī)和疲勞駕駛外，新能源電車中安全駕駛和4類風(fēng)險(xiǎn)駕駛行為的速度安全熵更高，且其均值高于傳統(tǒng)油車。因此，相比于傳統(tǒng)油車，新能源電車在同城訂單配送中具有更高的危險(xiǎn)水平。

（三）廣義線性模型結(jié)果分析

為探究車輛類型與風(fēng)險(xiǎn)駕駛行為對(duì)運(yùn)行成本（換算后的百公里能耗成本）和安全性（速度安全熵）的影響，我們分別建立百公里能耗成本和速度安全熵的GLM模型，兩個(gè)模型因變量均為連續(xù)數(shù)值；自變量車輛類型的水平為傳統(tǒng)油車和新能源電車，風(fēng)險(xiǎn)駕駛行為的水平包括超速行為、手持打電話、玩手機(jī)、疲勞駕駛、急加速、急減速。模型結(jié)果顯示在表3中。

表3顯示兩個(gè)GLM模型均具有有效性（p-value lt; 0.05）。對(duì)于百公里能耗成本GLM模型，以新能源電車為基準(zhǔn)組，傳統(tǒng)油車的百公里能耗系數(shù)為3.36，兩者之間具有顯著性差異；以安全行為作為基準(zhǔn)組，除急減速行為外，其他風(fēng)險(xiǎn)駕駛行為的系數(shù)均大于0，且具有顯著性差異，這表明風(fēng)險(xiǎn)駕駛行為會(huì)增加百公里能耗成本。對(duì)于速度安全熵GLM模型，以新能源電車為基準(zhǔn)組，傳統(tǒng)油車的系數(shù)為-0.12，兩種車型具有顯著性差異，這表明新能源電車的風(fēng)險(xiǎn)性更高；以安全行為為對(duì)照組，6種風(fēng)險(xiǎn)駕駛行為的系數(shù)均為整數(shù)，且具有顯著性差異，這表明風(fēng)險(xiǎn)駕駛行為會(huì)明顯增加車輛運(yùn)行的不安全性。其中，急加速和急減速的系數(shù)明顯高于其他風(fēng)險(xiǎn)駕駛行為，新能源電車具有較高的提速性能，且圖1顯示新能源電車的急加速和急減速比例均高于傳統(tǒng)油車。據(jù)此，本文推斷新能源電車的良好的提速性能會(huì)增加急加速和急減速的比例，進(jìn)而導(dǎo)致其具有更高的危險(xiǎn)水平。

四、結(jié)論與啟示

本文針對(duì)城市同城配送物流中的能耗運(yùn)行成本、碳排放和運(yùn)行安全性三個(gè)方面展開研究，特色之一是從微觀車輛運(yùn)行和駕駛行為角度切入，比較了不同類型車輛和風(fēng)險(xiǎn)駕駛行為在這三個(gè)方面的差異。主要結(jié)論為：首先，同城配送中新能源電車的能耗運(yùn)行成本顯著低于傳統(tǒng)油車，傳統(tǒng)油車（56.91元/100 km）的能耗成本約是新能源電車（16.77元/100 km）能耗成本的3.57倍。駕駛員的風(fēng)險(xiǎn)駕駛行為會(huì)顯著增加車輛的百公里能耗水平，其中急加速、超速行為對(duì)能耗增加的貢獻(xiàn)最大。另外，我們發(fā)現(xiàn)相比于傳統(tǒng)油車，新能源車輛能夠降低風(fēng)險(xiǎn)駕駛行為對(duì)能耗增加的影響。第二，通過改善同城配送物流中駕駛員的風(fēng)險(xiǎn)駕駛行為，傳統(tǒng)油車可降低約4.64%的能耗成本和碳排放量；新能源電車具有零碳排放的優(yōu)勢(shì)，加大部署同城配送物流中新能源車輛的比例，也可顯著降低碳排放量。第三，同城配送中駕駛員的風(fēng)險(xiǎn)駕駛行為會(huì)顯著提高車輛運(yùn)行風(fēng)險(xiǎn)，其中急加速、急減速和超速具有最高的風(fēng)險(xiǎn)水平。相比于傳統(tǒng)油車，新能源電車的訂單配送具有更高的運(yùn)行風(fēng)險(xiǎn)。以上研究結(jié)果基于同城物流配送數(shù)據(jù)，其研究數(shù)據(jù)體現(xiàn)同城物流配送行業(yè)特性，研究結(jié)論可能與非同城物流配送行業(yè)或乘用車具有差異，但研究結(jié)論具有一定的參考價(jià)值。研究所采用的方法具有普遍性和遷移性，可不限于同城配送物流表現(xiàn)分析。

基于對(duì)城市同城配送物流在能耗運(yùn)行成本、碳排放和運(yùn)行安全性三個(gè)方面的分析，可獲得一些改善城市物流配送綠色和安全發(fā)展的啟示。第一，推廣新能源電動(dòng)車輛。城市同城配送物流中，新能源電動(dòng)車輛顯示出明顯的優(yōu)勢(shì)，其能耗運(yùn)行成本顯著低于傳統(tǒng)油車，并具有零碳排放的特點(diǎn)。因此，政府和物流企業(yè)應(yīng)積極推廣新能源車輛的使用，以降低能耗成本和碳排放量。第二，優(yōu)化同城配送中駕駛行為。同城配送中駕駛員的風(fēng)險(xiǎn)駕駛行為會(huì)顯著增加車輛的能耗和運(yùn)行風(fēng)險(xiǎn)。因此，物流企業(yè)應(yīng)加強(qiáng)駕駛員的培訓(xùn)和監(jiān)督，鼓勵(lì)文明駕駛，減少急加速、急剎車和超速等不良駕駛行為，從而降低能耗成本和減少交通事故風(fēng)險(xiǎn)。第三，兼顧同城配送物流的安全與綠色發(fā)展。雖然新能源電車在能源運(yùn)行成本和碳排放方面表現(xiàn)出色，但也要注意到它的運(yùn)行風(fēng)險(xiǎn)水平相對(duì)較高。因此，在推廣新能源車輛的同時(shí)，還應(yīng)關(guān)注其安全性，兼顧同城配送物流的安全與綠色發(fā)展。

本文存在一些局限性。第一，本文僅考慮超速行為、手持打電話、玩手機(jī)、疲勞駕駛、急加速、急減速6種典型風(fēng)險(xiǎn)駕駛行為，其他運(yùn)行數(shù)據(jù)均默認(rèn)為安全行為。其他類型的風(fēng)險(xiǎn)駕駛行為（如危險(xiǎn)換道、跟車過近等）是未被考慮的。在未來研究中，我們將納入更全面的風(fēng)險(xiǎn)駕駛行為種類。第二，不同城市的交通政策、補(bǔ)貼、道路情況、南北氣候會(huì)影響同城物流配送在運(yùn)行成本、碳排放和運(yùn)行安全性三個(gè)方面的表現(xiàn)，本文主要從微觀駕駛行為層面分析不同車型和風(fēng)險(xiǎn)駕駛行為的表現(xiàn)差異，并未考慮這些宏觀因素的影響。在未來研究中，比較分析不同城市的交通政策、交通補(bǔ)貼、道路情況、南北氣候?qū)⒆鳛橹攸c(diǎn)研究?jī)?nèi)容。第三，本文研究結(jié)果基于北京、廣州、重慶三個(gè)城市的客觀同城物流配送數(shù)據(jù)獲得，研究結(jié)果可能受數(shù)據(jù)范圍和樣本量的影響。因此在未來研究中應(yīng)進(jìn)一步擴(kuò)大樣本數(shù)據(jù)范圍和代表性，并從運(yùn)行成本、能耗排放和安全性三個(gè)維度分別進(jìn)一步深入探究。

五、改善對(duì)策

基于實(shí)證結(jié)果和啟示，我們發(fā)現(xiàn)同城配送物流中傳統(tǒng)油車與新能源電車、安全駕駛與6類風(fēng)險(xiǎn)駕駛行為在能耗運(yùn)行成本、碳排放以及安全性方面具有差異。因此，結(jié)合實(shí)證結(jié)果，我們從“車—路—人—企—管”五個(gè)維度系統(tǒng)性地制定同城配送物流改善對(duì)策，以所研究的綠色發(fā)展、節(jié)能減排和提高安全性為核心目標(biāo)，全面改善同城配送物流的可持續(xù)性和效率。

（一）車輛角度

在同城配送物流中應(yīng)積極推廣綠色發(fā)展的理念，優(yōu)先選擇燃料經(jīng)濟(jì)性更好的車型，以降低燃料消耗成本和碳排放量。實(shí)證結(jié)果顯示，相對(duì)比傳統(tǒng)油車，新能源電車具有更低的能耗運(yùn)行成本，在降低碳排放量上具有顯著效果。因此，同城配送物流中應(yīng)逐步提高新能源電車的比例，在較長(zhǎng)途配送運(yùn)輸中可采用混合動(dòng)力車輛，增加車輛在同城配送物流中的適用性。另外，實(shí)證結(jié)果顯示，風(fēng)險(xiǎn)駕駛行為會(huì)提高能耗運(yùn)行成本、碳排放量以及運(yùn)行危險(xiǎn)性。同城配送物流中的車輛承擔(dān)著大量的運(yùn)輸任務(wù)，應(yīng)從車輛角度去降低風(fēng)險(xiǎn)駕駛行為對(duì)這三個(gè)方面的負(fù)面影響，例如車輛中配備主動(dòng)預(yù)警裝置、駕駛員風(fēng)險(xiǎn)駕駛行為識(shí)別裝置，主動(dòng)防控和減少風(fēng)險(xiǎn)駕駛行為的數(shù)量。最后，應(yīng)加強(qiáng)同城配送物流中車輛的維護(hù)保養(yǎng)，確保車輛處于最佳工作狀態(tài)，減少故障和維修頻次，降低運(yùn)行成本，同時(shí)減少對(duì)環(huán)境的負(fù)擔(dān)。

（二）道路和環(huán)境角度

道路環(huán)境是同城配送物流中車輛的基礎(chǔ)運(yùn)行環(huán)境，更深層次地影響同城配送物流的能耗運(yùn)行成本、效率和安全性。首先，應(yīng)改善城市道路交通基礎(chǔ)設(shè)施，確保道路平整，減少額外的摩擦阻力，定期進(jìn)行道路維護(hù)、修復(fù)路面損壞、保障道路質(zhì)量，降低車輛運(yùn)行時(shí)的能源消耗。其次，對(duì)城市同城配送物流進(jìn)行智能化路線規(guī)劃和優(yōu)化，規(guī)劃并優(yōu)化綠色物流通道，定點(diǎn)提供充電樁、加油站等配套設(shè)施，降低運(yùn)行成本和碳排放量。再次，引入智慧交通設(shè)施，如智能交通信號(hào)燈、智能停車系統(tǒng)等，優(yōu)化車輛流量、減少交通擁堵、提高交通效率，從而改善同城配送物流的效率和安全性。最后，加強(qiáng)城市同城配送物流區(qū)域的交通管理，在風(fēng)險(xiǎn)駕駛行為易發(fā)路段設(shè)置合理的交通標(biāo)志和交通警示牌，降低風(fēng)險(xiǎn)駕駛行為的發(fā)生頻次。此外，針對(duì)同城配送物流車輛或貨運(yùn)量較大區(qū)域，建設(shè)安全停車區(qū)域和裝卸區(qū)域，提供安全的裝卸環(huán)境，減少交通事故的發(fā)生。

（三）配送駕駛員角度

配送駕駛員是同城配送物流中風(fēng)險(xiǎn)駕駛行為發(fā)生的主體，實(shí)證結(jié)果顯示，風(fēng)險(xiǎn)駕駛行為對(duì)同城配送物流中的能耗運(yùn)行成本、碳排放和安全性均有負(fù)面影響。因此，改善同城配送物流中駕駛員的風(fēng)險(xiǎn)駕駛行為，是促進(jìn)同城配送物流綠色和安全發(fā)展的重要新舉措。第一，配送駕駛員應(yīng)接受駕駛技巧和節(jié)能減排培訓(xùn)，樹立綠色交通理念。第二，駕駛員應(yīng)接受專業(yè)的安全駕駛培訓(xùn)，包括遵守交通規(guī)則、掌握安全駕駛技巧和緊急情況應(yīng)對(duì)等，提高安全意識(shí)和緊急情況應(yīng)對(duì)能力，降低交通事故風(fēng)險(xiǎn)。同時(shí)，鼓勵(lì)駕駛員選擇節(jié)能環(huán)保路線，避免高峰期集中配送，減少碳排放和燃料消耗。第三，針對(duì)配送駕駛員建立激勵(lì)機(jī)制，獎(jiǎng)勵(lì)安全駕駛和節(jié)能行為，激勵(lì)駕駛員積極參與安全和環(huán)保管理。例如，對(duì)安全行駛、遵守交通規(guī)則和節(jié)約能源的駕駛員進(jìn)行獎(jiǎng)勵(lì)，提高駕駛員的積極性和責(zé)任心。另外，對(duì)違規(guī)駕駛和不節(jié)能行為進(jìn)行處罰，如超速駕駛、急加速、急減速、分心行駛等，進(jìn)行相應(yīng)的處罰措施，以倒逼駕駛員遵守交通規(guī)則和節(jié)能減排。

（四）物流企業(yè)角度

物流企業(yè)是開展同城配送物流的主體，是降本增效和發(fā)展綠色安全物流的責(zé)任單位。實(shí)證結(jié)果顯示，新能源電車在降低能耗運(yùn)行成本和碳排放方面具有優(yōu)勢(shì)，但其運(yùn)行風(fēng)險(xiǎn)水平相對(duì)于傳統(tǒng)油車更高。第一，物流企業(yè)應(yīng)踐行綠色發(fā)展理念，逐步擴(kuò)大新能源車輛比例，減少碳排放和能源消耗。第二，優(yōu)化配送車輛的裝載率和貨物配送量，合理規(guī)劃車輛調(diào)度和配送路線，減少空駛和行駛里程，降低運(yùn)行成本和碳排放量。第三，應(yīng)推廣綠色包裝和環(huán)保材料使用，減少包裝廢棄物產(chǎn)生，降低物流運(yùn)輸?shù)奶甲阚E。第四，物流企業(yè)可以建立綠色物流管理體系，優(yōu)化供應(yīng)鏈，提高運(yùn)輸效率。推廣共享物流模式，優(yōu)化配送路線，減少不必要的行駛，實(shí)現(xiàn)資源共享和節(jié)能減排。第五，物流企業(yè)應(yīng)加強(qiáng)對(duì)配送駕駛員的管理和培訓(xùn)，減少配送駕駛員在物流配送中的風(fēng)險(xiǎn)駕駛行為，提高其安全性。第六，物流企業(yè)還應(yīng)加強(qiáng)與政府合作，共同推動(dòng)綠色物流發(fā)展。

（五）政府管理角度

政府管理在綠色物流建設(shè)中發(fā)揮著重要的引導(dǎo)和推動(dòng)作用，政府管理的合理規(guī)劃、政策支持和監(jiān)管措施，對(duì)于推動(dòng)綠色物流發(fā)展、優(yōu)化資源利用、減少環(huán)境影響具有至關(guān)重要的意義^［32］。實(shí)證結(jié)果顯示，新能源汽車在運(yùn)行成本方面具有更好的表現(xiàn)。第一，政府可以進(jìn)一步出臺(tái)激勵(lì)政策和補(bǔ)貼措施，設(shè)立新能源車輛購(gòu)置補(bǔ)貼和運(yùn)營(yíng)補(bǔ)貼，降低新能源車輛的購(gòu)置和運(yùn)營(yíng)成本，提高企業(yè)購(gòu)買新能源車輛的積極性，推動(dòng)物流行業(yè)向綠色、低碳方向轉(zhuǎn)型。第二，政府可以加大投資，建設(shè)智慧交通系統(tǒng)，推廣智能交通信號(hào)燈、智能停車系統(tǒng)等智慧交通設(shè)施，優(yōu)化交通流量，減少擁堵，提高交通運(yùn)行效率，降低物流車輛的能耗和碳排放，提高運(yùn)行安全性^［33］。第三，政府可以建立城市交通運(yùn)輸信息共享平臺(tái)，實(shí)時(shí)監(jiān)控區(qū)域內(nèi)車輛行駛狀況和交通擁堵情況，為物流企業(yè)提供準(zhǔn)確的交通信息，優(yōu)化配送路線，提高配送效率，降低運(yùn)行成本。第四，政府可建立綠色物流評(píng)估和監(jiān)管機(jī)制，對(duì)符合綠色標(biāo)準(zhǔn)的物流企業(yè)給予獎(jiǎng)勵(lì)和優(yōu)惠，對(duì)不符合標(biāo)準(zhǔn)的企業(yè)進(jìn)行督促整改和處罰^［34］。同時(shí)，政府還應(yīng)加強(qiáng)交通管理和監(jiān)督，提高對(duì)違規(guī)駕駛行為的處罰力度，保障道路安全和暢通。

［參考文獻(xiàn)］

［1］ 周會(huì)祥：《我國(guó)超大型城市碳達(dá)峰碳中和發(fā)展模式比較研究》，《北京聯(lián)合大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版）》2023年第2期，第114—124頁。

［2］ 中華人民共和國(guó)國(guó)務(wù)院：《國(guó)務(wù)院關(guān)于加快建立健全綠色低碳循環(huán)發(fā)展經(jīng)濟(jì)體系的指導(dǎo)意見》， https：//www.gov.cn/zhengce/content/2021-02/22/content_5588274.htm？5xyFrom=site-NT。

［3］ 中華人民共和國(guó)國(guó)務(wù)院辦公廳：《國(guó)務(wù)院辦公廳關(guān)于印發(fā)“十四五”現(xiàn)代物流發(fā)展規(guī)劃的通知》， https：//www.gov.cn/zhengce/content/2022-12/15/content_5732092.htm。

［4］ 中華人民共和國(guó)交通運(yùn)輸部：《城市綠色貨運(yùn)配送示范工程管理辦法》， https：//www.gov.cn/zhengce/zhengceku/2022-03/16/content_5679316.htm。

［5］ 中華人民共和國(guó)科技部：《科技支撐碳達(dá)峰碳中和實(shí)施方案（2022—2030年）》， https：//www.gov.cn/zhengce/zhengceku/2022-08/18/content_5705865.htm。

［6］ 劉長(zhǎng)石、陳慧璇、吳張：《城市物流配送的混合車輛路徑規(guī)劃模型與優(yōu)化算法》，《控制與決策》2023年第3期，第759—768頁。

［7］ 李偉、楊延梅、劉漢英等：《城市末端物流配送路徑優(yōu)化研究》，《鐵道貨運(yùn)》2019年第3期，第5—10頁。

［8］ 吳志勇、戴弌、鞠傳香等：《基于鯨魚優(yōu)化算法的多目標(biāo)多式聯(lián)運(yùn)路徑選擇》，《重慶交通大學(xué)學(xué)報(bào)（自然科學(xué)版）》2022年第5期，第6—13頁。

［9］ 張樹柱、邱兵兵、山家駿等：《考慮駕駛員疲勞的車輛路徑優(yōu)化及算法研究》，《工業(yè)工程》2023年第2期，第132—140+184頁。

［10］ 劉浩然、胡象明：《習(xí)近平關(guān)于防范化解風(fēng)險(xiǎn)重要論述中的知行合一觀》，《北京聯(lián)合大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版）》2023年第1期，第34—41頁。

［11］ 伍毅平、趙曉華、榮建等：《基于駕駛模擬實(shí)驗(yàn)的生態(tài)駕駛行為節(jié)能減排潛力》，《北京工業(yè)大學(xué)學(xué)報(bào)》2015年第8期，第1212—1218頁。

［12］ 初旭新、宗剛、伍毅平：《生態(tài)駕駛行為對(duì)單個(gè)小汽車運(yùn)行狀態(tài)的綜合影響分析》，《安全與環(huán)境學(xué)報(bào)》2018年第1期，第306—309頁。

［13］ 胡云峰、劉迪、趙靖華等：《智能網(wǎng)聯(lián)環(huán)境下車輛能耗與排放優(yōu)化控制的研究現(xiàn)狀與展望》，《中國(guó)公路學(xué)報(bào)》2022年第3期，第1—14頁。

［14］ 單肖年、陳小鴻、郝鵬等：《基于運(yùn)行模式的車輛能耗排放估計(jì)方法》，《同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版）》2017年第9期，第1319—1327頁。

［15］ Mahdieh Rad， Alexandra LC. Martiniuk， Alireza Ansari-Moghaddam， Mahdi Mohammadi， Fariborz Rashedi and Ardavan Ghasemi： “The Pattern of Road Traffic Crashes in South East Iran”， Global Journal of Health Science， Vol.8， No.9， 2016，pp.149-158.

［16］ 郭淼、趙曉華、姚瑩等：《基于駕駛行為和交通運(yùn)行狀態(tài)的事故風(fēng)險(xiǎn)研究》，《華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版）》2022年第9期，第29—38頁。

［17］ 陳文瑛、邵海莉、張沚芊：《駕駛疲勞對(duì)危險(xiǎn)化學(xué)品道路運(yùn)輸事故風(fēng)險(xiǎn)的影響規(guī)律》，《安全與環(huán)境學(xué)報(bào)》2023年第2期，第644—653頁。

［18］ Tomer Toledo， Oren Musicant and Tsippy Lotan： “In-vehicle Data Recorders for Monitoring and Feedback on Drivers’ Behavior”， Transportation Research Part C： Emerging Technologies， Vol.16， No.3， 2008， pp.320-331.

［19］ 臧金蕊、焦朋朋、宋國(guó)華等：《基于機(jī)動(dòng)車比功率分布的生態(tài)駕駛評(píng)價(jià)與軌跡優(yōu)化》，《清華大學(xué)學(xué)報(bào)（自然科學(xué)版）》2023年第11期，第1760—1769頁。

［20］ 郭棟、王云鵬、鄒廣德等：《基于車載測(cè)試的機(jī)動(dòng)車比功率與排放關(guān)系的研究》，《汽車工程》2012年第1期，第18—21頁。

［21］ 伍毅平、趙曉華、陳晨等：《生態(tài)駕駛行為特征甄別及反饋優(yōu)化方法研究》，《交通工程》2017年第4期，第1—6頁。

［22］ 張學(xué)敏、葛蘊(yùn)珊、張昱等：《利用碳平衡法進(jìn)行汽車油耗測(cè)量的應(yīng)用研究》，《車用發(fā)動(dòng)機(jī)》2005年第3期，第56—58頁。

［23］ Jennifer M. Yentes， Nathaniel Hunt， Kendra K. Schmid， et al.：“The Appropriate Use of Approximate Entropy and Sample Entropy with Short Data Sets”， Annals of Biomedical Engineering， Vol.41， 2013， pp.349-365.

［24］ Joshua S. Richman and J. Randall Moorman： “Physiological Time-series Analysis Using Approximate Entropy and Sample Entropy”， American Journal of Physiology-Heart and Circulatory Physiology， Vol.278， No.6， 2000， pp.2039-2049.

［25］ R.B. Govindan， J.D. Wilson， H. Eswaran， et al.： “Revisiting Sample Entropy Analysis”， Physica A： Statistical Mechanics and Its Applications， Vol.376， 2007， pp.158-164.

［26］ 孟祥海、劉振博、溫程：《基于廣義線性模型的高速公路事故預(yù)測(cè)能力對(duì)比研究》，《交通信息與安全》2020年第2期，第1—8頁。

［27］ Raymond H. Myers， Douglas C. Montgomery： “A Tutorial on Generalized Linear Models”， Journal of Quality Technology， Vol. 29， No.3，1997，pp.274-291.

［28］ 中華人民共和國(guó)國(guó)家發(fā)展和改革委員會(huì)：《2023年3月17日24時(shí)起國(guó)內(nèi)成品油價(jià)格按機(jī)制下調(diào)》， https：//www.ndrc.gov.cn/xwdt/xwfb/202303/t20230317_1351325.html。

［29］ 中國(guó)消費(fèi)者協(xié)會(huì)：《新能源電動(dòng)汽車消費(fèi)與公共充電樁使用情況調(diào)查報(bào)告》， https：//www.cca.cn/jmxf/detail/30638.html。

［30］ 中華人民共和國(guó)生態(tài)環(huán)境部：《中國(guó)移動(dòng)源環(huán)境管理年報(bào)（2022年）》， https：//www.mee.gov.cn/hjzl/sthjzk/ydyhjgl/202212/t20221207_1007111.shtml。

［31］ 中華人民共和國(guó)公安部：《全國(guó)機(jī)動(dòng)車保有量達(dá)4.17億輛駕駛員超過5億人》， https：//www.gov.cn/xinwen/2023-01/11/content_5736278.htm。

［32］ 張勁松：《在政府與市場(chǎng)關(guān)系上堅(jiān)持走中國(guó)道路》，《北京聯(lián)合大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版）》2022年第2期，第33—40頁。

［33］ 李建偉、段彩虹：《金融科技何以驅(qū)動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型——基于有為政府和有志企業(yè)協(xié)同的視角》，《北京聯(lián)合大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版）》2024年第1期，第66—81頁。

［34］ 陶金元、張玲娜：《自立自強(qiáng)邏輯下雙元協(xié)同創(chuàng)新與引領(lǐng)共創(chuàng)機(jī)制研究》，《北京聯(lián)合大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版）》2024年第1期，第97—108頁。

Research on Strategies for Green and Safe Development of

Urban Logistics： A Microscopic Perspective on Driving Behavior

CUI Mengmeng，ZHU Yongming

（School of Management， Zhengzhou University， Zhengzhou 450001，Henan，China）

Abstract： Promoting the green and safe development of urban logistics is a crucial measure to implement Xi Jinping's Thought on ecological civilization and contribute to achieving the goals of “carbon peak” and “carbon neutrality”. Based on the urban logistics distribution order data from Beijing， Guangzhou， and Chongqing， this study introduces the microscopic vehicle （micro-vehicle？） operating characteristics and risky driving behavior features to analyze the differences in energy consumption operational costs， carbon emissions， and operational safety of different distribution vehicles and risky driving behaviors. The results show that the energy consumption cost of traditional fuel vehicles is about 3.57 times that of new energy vehicles， and new energy vehicles have obvious advantages in reducing the energy consumption running cost of city distribution vehicles. Risky driving behaviors increase the energy consumption levels of vehicles， and traditional fuel vehicles have the potential to reduce energy costs and carbon emissions by about 4.64%. Risky driving behaviors significantly elevate the operational risk of vehicles， with aggressive acceleration， hard braking， and speeding exhibiting the highest risk levels. New energy electric vehicles demonstrate higher operational risk levels in order distribution. Finally， from the the five dimensions of “vehicle-road-driver-enterprise-management，” we propose specific strategies to improve the quality of urban logistics distribution， thereby supporting the green and safe development of urban logistics.

Key words： urban logistics；risky driving behavior；energy consumption operational costs；carbon emissions；safety

（責(zé)任編輯 編輯齊立瑤；責(zé)任校對(duì) 劉永?。?/p>